深度学习之语义分割-SegNet

本文详细介绍了SegNet模型,一个基于VGG16的深度学习语义分割框架。模型通过去除全连接层减小网络规模,利用编码器的池化索引进行解码,以保持边界信息。实验表明,使用最大池化索引上采样的方法在内存效率和边界描绘方面表现出色。对比实验展示了不同上采样策略的影响,证实了SegNet的有效性。
摘要由CSDN通过智能技术生成

This core trainable segmentation engine consists of an encoder network, a corresponding decoder network followed by a pixel-wise classification layer.

模型


这里写图片描述

  • 说明:

    • 基础模型采用VGG16
      • 去掉fc层,使得encoder网络更小,更易训练
      • 134M –> 14.7M
    • decoder网络将encoder网络中的低层像素映射到整张图像尺寸
      • decoder网络与encoder网络基本完全对成
      • 最终,对每一个像素进行multi-class soft-max分类
    • decoder网络进行上采样的采用pool indices
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值